【OpenMMLab实战营打卡 - 第 2 课】CV基础和OpenMMLab介绍

第一讲：

计算机视觉的任务：开发一套算法对图像的信息进行数据挖掘。通俗地说，是让计算机学会怎么看图片的学科。

图像分类、检测、分割。

输出结果：输出点的坐标、输出抠图的结果、类别、目标的框等。总之是提取信息

深度学习：卷积 层数越来越多

图神经网络、全卷积神经网络、自然语言处理

人工智能的技术栈在不断更新；

计算机视觉的发展：

计算机视觉是最早的人工智能问题。边缘提取是它的第一步（1964 Larry Roberts），三维提取（1982），人脸检测（2001），现在它们都是opencv的函数了。

传统计算机视觉的基本原理是设计卷积核，来找到图像的特征的过程。这种算法是鲁棒性很低的。ImageNet是李飞飞教授启动的项目，为计算机视觉算法提供了一个庞大的、高质量的图片库。在早期，特征底层不是AI驱动的。2012年开始，AlexNet突破了传统视觉系统的性能，使用深度卷积图形网络。

Facebook的pytorch是最重要的。经过多年的竞争，pytorch在各个领域脱颖而出，是最成熟的框架。OpenMMLab是基于Pytorch搭建的算法框架，封装了很多模型。是CV时代最完整的工具包。

MMDetection是最受欢迎的功能-目标检测

MMDetection3D可以进行3D目标检测

MMClassification目标分类（之后进行水果分类的项目）

MMSegmentation语义分割

MMPose&MMHuman3d人体姿态

MMTracking轨迹检测

MMAction2行为检测

MMOCR 文本检测

MMRazor 模型压缩剪枝

机器学习是数据驱动的，统计学习，从数据中学习经验解决特定问题。

线性分类器：关键问题是寻找分界线/分界面。通过迭代训练，得到完美的分界面。钢铁直男。

感知器：其实也是线性分类器；

机器学习的基本步骤：

训练、验证、应用。验证这一步很重要，其数据不能和训练重合，应用阶段的数据也应该是在训练、验证阶段没用过的。欠拟合：平时没学好，最后也没考好。过拟合：平时学得很好，最后没考好（训练过于严苛，导致细小的瑕疵也学进去了，钻牛角尖）

有很多技巧：早停、数据扩增等等

神经元：

全连接神经网络：把神经元都连接在一起。单个神经元可以实现线性分类，多个神经元叠在一起就可以实现非线性分类了。

损失函数：用来判断分类准确度的，越小越准确

梯度下降算法：用来调整参数w，使得损失函数最小的算法

没听懂的地方：什么是softmax，什么是非线性分类，激活层是干什么的

神经网络的训练流程：计算样本的损失，计算样本损失的梯度，根据梯度信息更新参数

卷积神经网络CNN：专门用来解决计算机视觉问题的

卷积神经网络是解决这两个问题而诞生的，卷积神经网络局部链接（每个卷积核只参与一部分图像），共享权重，大量节约参数，又有效提取了图像的特征。

不同的卷积核的定义特征不同。有的是边缘提取，有的是高斯模糊；卷积核的通道数与输入图像的通道数相同。生成feature map。输出特征图的通道数与卷积核的个数相同。

Pytorch

自动求导 torch.autograd

Kaggle

讲到了一个CUDA环境的配置